DeepChrome 2.0：探究与改进架构、可视化及实验
机器学习
2022-09-27 v1
摘要
组蛋白修饰在基因调控中起着关键作用。因此，从组蛋白修饰信号预测基因表达是表观遗传学中一个备受关注的问题。我们基于Singh等人（2016）的DeepChrome工作，其训练了将组蛋白修饰信号映射到基因表达的 classifiers。我们提出了一种新颖的可视化技术，利用生成对抗网络生成组蛋白修饰信号，以洞察组蛋白修饰在基因调控中的组合关系。我们还探索并比较了各种架构改变，结果表明DeepChrome中64.5万参数的卷积神经网络与12参数的线性网络具有相同的预测能力。来自跨细胞预测实验（模型在大小、细胞类型和相关性各异的数据集上训练和测试）的结果表明，组蛋白修饰信号与基因表达之间的关系与细胞类型无关。我们在GitHub上发布了我们对DeepChrome的PyTorch重新实现\footnote{\url{github.com/ssss1029/gene_expression_294}}。\parfillskip=0pt
引用
@article{arxiv.2209.11923,
title = {DeepChrome 2.0: Investigating and Improving Architectures, Visualizations, & Experiments},
author = {Saurav Kadavath and Samuel Paradis and Jacob Yeung},
journal= {arXiv preprint arXiv:2209.11923},
year = {2022}
}